图像超分辨率重建技术作为一种无须改善硬件设备即可显著提高图像分辨率的技术,已经成为图像处理领域的一个研究热点。最近,基于图像稀疏表示理论的图像超分辨率重建技术通过构造一过完备字典对以及图像相对于该字典的稀疏表示系数,实现了较好的重建结果,而且对噪声有较强的鲁棒性。为了进一步提高图像重建质量和改善字典学习效率,本文基于图像稀疏表示理论,主要研究了基于新型字典学习方法的图像超分辨率重建,主要研究工作如下：(1)在不降低字典表达能力的前提下,为了减少字典学习时的训练样本,从而提高字典训练效率,基于图像的自相似性,提出了将待重建低分辨率图像作为训练时的高分辨率图像的思想,而训练时对应的低分辨率图像由其经过模糊和下采样得到。(2)在待重建图像作为训练图像的前提下,研究了一种基于K-SVD字典学习的图像超分辨率重建方法。K-SVD字典学习算法可以有效地减少训练时字典原子的个数,并且训练后的原子仍然可以线性地表示初始字典的所有信息,从而有效地提高了利用过完备字典对待重建图像进行稀疏编码时的效率。仿真实验证明,该算法确实改善了图像重建效率,而且还大大提高了图像的重建质量。(3)研究了一种新颖的SCDL (Semi-Coupled Dictionary Learning,半耦合字典学习)方法在图像超分辨率重建上的应用,该方法松驰了高低分辨率图像相对于过完备字典具有相同的稀疏表示这一假设条件,通过对训练图像学习,能够同时得到一过完备字典对以及一个反映图像稀疏表示之间真实关系的映射函数。仿真实验表明,运用该字典学习算法重建出的图像质量明显优于传统的稀疏表示方法。